Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

学术青作者

IJCAI 50年获奖学者盘点,那些人工智能领域的闪耀明星!

自1969年IJCAI首次在美国华盛顿召开以来,距今已过去了整整50年。作为人工智能领域最为重要、最为顶级的学术会议之一,它不仅是全球各国人工智能顶级学者的思想交流盛会,还汇集了全球最前沿最新的人工智能研究成果。

经历50年的漫漫历程,IJCAI依旧生生不息,不仅为来自世界各地的AI研究者提供了思想碰撞和交流的平台,同时很好地推动了AI各交叉子领域之间的学术交流,从而推动了整个AI的快速发展。

除了每年优秀论文的征集发布,为了奖励在人工智能取得杰出成果的学者、科学家,IJCAI特别设立了“卓越研究奖”、“计算机与思想奖”、“约翰麦卡锡奖”、“唐纳德·沃克杰出服务奖”四大奖项。

50年来,这些获奖学者有的早已溘然长逝,有的仍然在AI领域勤耕不辍,有的桃李满天下,有的亦成为学术新星……获得这些荣誉的学者可以说是人工智能领域中最为杰出的科学家群体,正是他们,推动着AI的每一次突破创新,而他们应该被我们铭记。

上周,IJCAI 2019在澳门圆满闭幕,我们整理了IJCAI50年的获奖学者,共同来回顾一下他们的杰出成就与璀璨人生。 

72

据不完全统计,50年来共有72位获奖者。从国籍来看,有50位来自美国,8位来自英国,4位来自加拿大,以色列3人,德国3人,日本1人,瑞典1人,意大利1人,西班牙1人。可以看出,美国作为人工智能的发源地,其在AI领域可谓独占鳌头,不论是AI人才还是AI成果都远远走在前列。

8

在72位获奖者中,有8位女性学者,占比约11%。他们分别是获得卓越研究奖的Barbara Grosz(2015年);获得计算机与思想奖有5位女性学者,他们是Martha Pollack(1991年)、Sarit Kraus(1995年)、Daphne Koller(2001年)、Kristen Grauma(2013年)、Devi Parikh(2017年),其中Sarit Kraus、Daphne Koller两位都是来自以色列的杰出学者;获得唐纳德·沃克杰出服务奖的是Luigia CarlucciAiello(2009年)与Francesca Rossi(2019年)。

Barbara Grosz是2015年卓越研究奖的获得者,以表彰她在自然语言处理和多智能体协作理论和应用方面的开创性研究。同时,她还获得了ACL 2017 终身成就奖。在她的整个职业生涯中,Barbara Grosz 一直致力于让人机交互变得更像人与人之间的交互。Grosz 的主要研究方向为对话(Dialogue)——团队合作的基本特征,并带来了两次重大的人工智能领域革新。她做出的第一次重大贡献是创建了首个话语计算模型(Computational model of Discourse),促使了一个新的研究领域诞生,极大地影响了智能语言处理技术;她的另一大贡献是创建了多智能体系统(Mmulti-agent Systems),她和她的团队重新定义了多智能体系统是怎样实现协作的。凭借此成就,她再次站在了这一领域的前沿。

1995年获得计算机与思想奖的Sarit Kraus,目前是巴伊兰大学的计算机科学教授,她对人工智能许多子领域做出了非常有影响力的贡献,尤其是对多智能体系统(包括人和机器人)、人机交互和非单调推理。她的一项重要贡献是战略谈判。她最早将博弈论与人工智能结合起来,此外,她还开始了与人谈判的自动代理的新研究,并确定这些代理必须通过与人类的实验进行评估。她还获得过ACM SIGART研究奖、EMET奖,并且两次获得IFAAMAS影响力论文奖。

2001年计算机与思想奖的获得者DaphneKoller,曾被福布斯评为“AI杰出女性”。在担任斯坦福大学计算机科学教授的18年间,她不仅在顶尖学术刊物上发表过200多篇论文,还因为学术突破和出色的教育获奖无数。她还参与创办了全球最大的在线教育平台Coursera。Koller的跨学科成就中最令她自豪的是让学生们自己做出了不起的贡献,包括数百万通过Coursera参与人工智能、机器学习数据科学课程的学员。

Facebook 人工智能研究院(FAIR)首席科学家 Devi Parikh 是 2017 年 IJCAI 计算机和思想奖获得者,这一奖项被誉为国际人工智能领域的“菲尔兹奖”,并位列福布斯 2017 年“20位杰出女性推进A.I.研究”榜单。她主要从事计算机视觉模式识别研究,具体研究领域包括计算机视觉、语言与视觉、通识推理、人工智能、人机合作、语境推理以及模式识别。2008 年到现在,Devi Parikh 先后在计算机视觉三大顶级会议(ICCV、CVPR、ECCV)发表多篇论文。她所主持开发的视觉问题回答数据集(Visual Question Anwering) 受到了广泛的关注,并在 CVPR2016 上组织了 VQA 挑战赛和 VQA 研讨会,极大地推动了机器智能理解图片这一问题的解决。

2019年的唐纳德·沃克杰出服务奖颁发给了帕多瓦大学计算机科学教授Francesca Rossi,她是IBM AI伦理全球领导者和IBM TJ Watson研究中心的杰出科学家。Rossi教授因其丰富的经验以及她在职业生涯中为人工智能领域提供的广泛服务而受到表彰。她的研究兴趣包括约束推理、偏好、多智能体系统、计算社会选择和人工智能。  

11

获得这些殊荣的学者有11位已告别于世。作为人工智能领域的先驱,他们的研究成果和贡献可以说启发了无数的人工智能研究者。

他们分别是获得过卓越研究奖获得者John McCarthy、Allen Newell、Marvin Minsky、Raymond Reiter、Herbert Simon、Aravind Joshi、Donald Michie与Nils Nilsson;1979计算机与思想奖获得者David Marr,1979年与1983年唐纳德·沃克杰出服务奖获得者BernardMeltzer、Arthur Samuel。

其中有赫赫有名的Herbert Simon、Allen Newell以及达特茅斯会议的发起人John McCarthy和Marvin Minsky,他们被公认为是人工智能的奠基人,共同被称为“人工智能之父”。光是翻看每个人的履历,就足以说明他们熠熠生辉的人生。

John McCarthy(1927年9月4日-2011年10月24日),计算机科学家与认知科学家,人工智能之父,也是Lisp语言发明者,他与Marvin Minsky在1958 年共同建立了世界上第一个人工智能实验室——MIT人工智能实验室。

Allen Newell(1927年3月19日-1992年7月19日),是计算机科学和认知信息学领域的杰出科学家,信息处理语言(IPL)发明者之一。他于1957年与Herbert A. Simon开发出通用问题求解器(the GeneralProblem Solver)。他还在1971年获得 AFIPS “Harry GoodeMemorial ”奖;1989获得IJCAI卓越研究奖;1992年获得美国国家科学奖和富兰克林研究院 Louis E Levy 奖章等。同时他还是美国科学院院士、美国工程院院以及美国人工智能学会AAAI的发起人之一,该会议的奖项之一ACM -AAAI Allen Newell Award就是以他的名字命名的,另一个以他的名字命名的奖项则是卡内基梅隆大学计算机科学院的卓越研究奖( Award for Research Excellence)。

Marvin Minsky(1927年8月9日-2016年1月24日),人工智能框架理论的创立者,虚拟现实最早倡导者。他曾是美国工程院和美国科学院院士,并获得多项奖项,其中的重要奖项包括:1969年获得图灵奖;1990年获得日本国际奖;1991年IJCAI卓越研究奖;2001年获得富兰克林奖章等。

Herbert Simon(1916年6月15日-2001年2月9日),1975年图灵奖获得者,1978年诺贝尔经济学奖获得者,决策理论倡导者。他把心理学、计算机科学和决策理论结合起来,开创了人工智能研究之先河。他既是计算机科学家,又是心理学家,研究领域涉及认知心理学、计算机科学、公共行政、经济学、管理学和科学哲学等多个方向,并在不同领域都达到了学术巅峰:1958 年获得了美国心理学会颁发的心理学领域的最高奖心理学杰出贡献奖;1978 年获得诺贝尔经济学奖;1986年获得美国国家科学奖;1993年获得APA心理学终身成就奖以及1995年获得IJCAI卓越研究奖。

Raymond Reiter(1939 年 6 月 12 日—2002 年 9 月 16 日),加拿大计算科学家,非单调推理(non-monotonicreasoning)的联合创始人,研究成果包括缺省逻辑(defaultlogic)、基于模型的诊断(model-baseddiagnosis)、封闭世界推理(closed worldreasoning)以及真值维护系统(truthmaintenance system)等。他是 ACM、AAAI 以及加拿大皇家协会的 Fellow,曾于 1993 年获得 IJCAI 卓越研究奖。

Aravind Joshi(1929 年 8 月 5 日—2017 年 12 月 31 日),自然语言处理与计算语言学领域泰斗,ACL 终身成就奖得主,树-邻接文法(TAG)的定义者。Aravind Krishna Joshi 担任宾夕法尼亚大学教授几十载,培养出来 Kathleen McKeown,David Chiang,以及梁煌(Liang Huang)等一大批领域内的知名弟子;同时他还曾担任 IEEE Fellow、AAAI 创始 Fellow、ACM Fellow,并于 1999 年当选美国国家工程院院士。此外,他获得的荣誉还包括:1987 年 AAAI最佳论文奖、1997 年 IJCAI 卓越研究奖、2002 年 ACL终身成就奖、2003 年David Rumelhart 奖以及 2005 年本杰明·富兰克林计算机与认知科学奖。

Donald Michie(1923 年 11 月 11 日 – 2007 年 7 月 7 日),英国人工智能研究者,阿兰图灵机构(AlanTuring Institute)创始人,爱丁堡皇家学会 Fellow,英国计算机学会 Fellow,美国国家科学院荣誉院士。1960年,他开发出首个可用于连棋游戏(Tic Tac Toe)的机器教育型零和交叉引擎(MENACE,Machine Educable NoughtsAnd Crosses Engine),并致力于自然语言系统和智力理论等方向的研究,曾获得 2001 年 IJCAI卓越研究奖等。

David Marr(1945年1月19日-1980年11月17日),早年就读于剑桥大学三一学院,获得数学硕士、神经生理学博士学位,同时还受过神经解剖学、心理学、生物化学等方面的严格训练。1974年访问美国,并应M.Minsky教授之请,留在麻省理工学院开展知觉和记忆方面的研究工作。1977年提出了不同于“积木世界”分析方法的计算机视觉(computationalvision)理论——也就是著名的Marr视觉理论,从而使视觉研究的面貌为之一新。他的理论由他创建的一个以博士研究生为主体的研究小组继承、丰富和发展,并由其学生归纳总结为一本计算机视觉领域著作:Vision: A computational investigation into the human representationand processing of visual information 。

7

在获得IJCAI奖项的学者中,还有7位图灵奖得主。

在计算机科学的众多领域,尤其是在让计算机模拟人类大脑认知能力的人工智能领域,Marvin Minsky,无疑都是一个闪耀着明星般光环的著名研究人员。由于他的研究引领了人工智能、认知心理学、神经网络图灵机理论和回归函数这些领域的理论与实践的发展潮流,并在图象处理领域、符号计算、知识表示、计算语义学、机器感知和符号连接学习领域作出了许多贡献,1969年明斯基被授予“计算机界的诺贝尔奖”图灵奖,这是第一位获此殊荣的人工智能学者。

1971年,JohnMcCarthy因在人工智能领域的杰出贡献而获得计算机界的最高奖项图灵奖。

1975年,Allen Newell与Herbert Simon 因对人工智能的杰出贡献共同获得图灵奖。Herbert Simon 与 Allen Newell是人工智能符号主义(认知学派)的代表人物,也是认知心理学的先驱。两人在人工智能中做出的最基本的贡献则在于他们提出了“物理符号系统假说”PSSH(Physical SymbolSystem Hypothesis),成为人工智能中影响最大的符号主义学派的创始人和代表人物,而这一学说则鼓励着人们对人工智能进行伟大的探索。

Raj Reddy,1994年的图灵奖获得者。Raj Reddy是一位印度裔美籍计算机科学家,也是人工智能领域早期开拓者之一。他在人工智能、语音理解、图像识别、机器人等领域有超过50年的研究经验,他先后在斯坦福大学和卡内基梅隆大学任教40余年,培养出了李开复、洪小文沈向洋等一众计算机科学和人工智能领域的领军人物。

Judea Pearl,美国计算机科学家和哲学家,以倡导人工智能的概率方法和贝叶斯网络的发展而闻名,被称为贝叶斯网络之父。他因通过发展概率和因果推理微积分对人工智能做出的重大贡献,获得2011年度图灵奖。

2018年图灵奖获得者,他们是深度学习领域三位大神YoshuaBengio、Geoffrey Hinton和Yann LeCun,其中GeoffreyHinton还是2005年卓越研究奖的获得者。

Geoffrey Hinton,加拿大认知心理学家和计算机科学家,爱丁堡大学人工智能博士,目前是多伦多大学特聘教授,以人工神经网络而出名,被称为“神经网络之父”、“深度学习鼻祖”、人工智能领域教父 、谷歌大脑团队神级人物、美国人工智能协会AAAI院士。2012年,Hinton获得加拿大基廉奖(Killam Prizes,有“加拿大诺贝尔奖”之称的国家最高科学奖)。2013年,Hinton加入谷歌AI团队,将神经网络带入应用一线、把他的成名作Back Propagation(反向传播)算法应用到神经网络深度学习。“深度学习”从边缘课题变成谷歌等互联网巨头核心技术,从而使得业界掀起一轮又一轮争夺AI核心技术制高点的热潮。

19

自1885年设立的卓越研究奖,承载着 IJCAI的最高荣誉,被视为人工智能领域的终身成就奖,至今已有19位学者荣获此殊荣。该奖项主要表扬人工智能领域最杰出的学者、科学家,其在整个职业生涯中开展的具有高质量且持续性的实质性研究成果。

他们是:John McCarthy (1985),Allen Newell (1989),Marvin Minsky (1991),Raymond Reiter (1993),Herbert Simon (1995),Aravind Joshi (1997),Judea Pearl (1999),Donald Michie (2001),Nils Nilsson (2003),Geoffrey Hinton (2005),Alan Bundy (2007),Victor Lesser (2009),Robert AnthonyKowalski (2011),Hector Levesque (2013),Barbara Grosz (2015),Michael I. Jordan (2016),Andrew Barto (2017),Jitrenda Malik (2018),Yoav Shoham (2019)。

30

计算机与思想奖的建立源于 Edward Feigenbaum 和 Julian Feldman编辑的 《Computers and Thought 》一书,旨在奖励人工智能领域杰出的年轻科学家(35 岁以下),被誉为国际人工智能领域的“菲尔兹奖” ,该奖项于1971年设立。它目前得到了IJCAI基金的支持。第一位获得该殊荣的是JitendraMalik,直至2019年,共有30位学者荣获该奖项。

此荣誉的过去获得者是:Terry Winograd (1971),Patrick Winston (1973),Chuck Rieger (1975),Douglas Lenat (1977),David Marr (1979),Gerald Sussman (1981),Tom Mitchell (1983), Hector Levesque (1985),Johan de Kleer (1987) ,Henry Kautz (1989),Rodney Brooks (1991),Martha Pollack (1991),Hiroaki Kitano (1993),Sarit Kraus (1995),Stuart Russell (1995),Leslie Kaelbling (1997),Nicholas Jennings (1999),Daphne Koller (2001),Tuomas Sandholm (2003),Peter Stone (2007),Carlos Guestrin (2009),Andrew Ng (2009),Vincent Conitzer (2011),Malte Helmert (2011),Kristen Grauman (2013),Ariel Procaccia (2015),Percy Liang (2016),Devi Parikh (2017),Stefano Ermon (2018),Guy Van den Broeck (2019)。

5

约翰·麦卡锡奖设立于2015年,它以约翰·麦卡锡(1927-2011)命名,他被公认为人工智能领域的创始人之一。该奖项旨在表彰在 AI 领域发表过卓越研究成果并处于职业生涯中期的研究人员,通常是在他们获得博士学位后的15至25年之间。至今共有5位学者获此殊荣。

他们分别是Bart Selman (2015),Moshe Tennenholtz (2016),Dan Roth (2017),Milind Tambe (2018),Pedro Domingos (2019)。

18

唐纳德·沃克杰出服务奖由IJCAI董事会于1979年设立,以表彰AI资深科学家在其职业生涯中对AI领域的贡献和服务。直至今年,共有18位学者获此殊荣。

他们分别是:Bernard Meltzer (1979)、Arthur Samuel (1983)、Donald Walker (1989)、Woodrow Bledsoe(1991)、Daniel G. Bobrow (1993)、Wolfgang Bibel (1999)、Barbara Grosz (2001)、Raj Reddy (2005)、Ronald J. Brachman (2007)、Luigia Carlucci Aiello (2009)、Raymond C. Perrault (2011)、Wolfgang Wahlster (2013)、Anthony G. Cohn (2015)、Erik Sandewall (2016)、Ramon Lopez de Mantaras (2017)、Craig Knoblock (2018)、Francesca Rossi (2019)。

AMiner学术头条
AMiner学术头条

AMiner平台由清华大学计算机系研发,拥有我国完全自主知识产权。系统2006年上线,吸引了全球220个国家/地区800多万独立IP访问,数据下载量230万次,年度访问量1000万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

https://www.aminer.cn/
专栏二维码
产业IJCAI
1
相关数据
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
沈向洋人物

微软全球执行副总裁,美国工程院院士。

洪小文人物

微软公司资深副总裁,微软亚洲研究院院长。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

因果推理技术

基于因果关系的一类推理方法,是一种常见推理模式,涉及观察到的共同效应的原因的概率依赖性。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

Julia技术

Julia 是MIT设计的一个面向科学计算的高性能动态高级程序设计语言,项目大约于2009年中开始,2018年8月JuliaCon2018 发布会上发布Julia 1.0。据介绍,Julia 目前下载量已经达到了 200 万次,且 Julia 社区开发了超过 1900 多个扩展包。这些扩展包包含各种各样的数学库、数学运算工具和用于通用计算的库。除此之外,Julia 语言还可以轻松使用 Python、R、C/C++ 和 Java 中的库,这极大地扩展了 Julia 语言的使用范围。

物理符号系统技术

物理符号系统又叫做符号的实体集合构成,它是一台随时间运行处理符号集合结构体的机器。 物理包括了两个重要的特征:这个系统严苛遵从物理规律-系统是由工程系统和工程元件构成,所以这个系统是稳定的;尽管使用符号这个词来表明我们原来的意图,当系统并不局限于人类符号系统。 所谓符号就是模式。任一模式,只要他能与其他模式相区别,就是一个符号。对符号进行操作就是对符号进行比较,从中找出相同的和不同的符号。物理符号系统的基本任务和功能就是辨认相同的符号和区别不同的符号。为此,这种系统就必须能够辨别出不同符号之前的实质差别。符号既可以是物理符号,也可以是头脑中的抽象符号,或者是电子计算机中的电子运动模式,还可以是头脑中神经元的某些运动方式。 一个物理符号系统包含了很多主体,这些主体被称作符号,符号是物理发生在当主体的另外一种类型的组件发生的模式,也叫做表达或者符号结构体。因此一个符号结构体就是关于某一个物理物理方式相关的符号的集合。在任意一个时刻,系统都包含了由许多系统结构组成的集合。除了这些结构意外,系统还包括了用来产生其他表达的操作过程,这些操作包括创造,修改,再生产和销毁。

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

虚拟现实技术

虚拟现实,简称虚拟技术,也称虚拟环境,是利用电脑模拟产生一个三维空间的虚拟世界,提供用户关于视觉等感官的模拟,让用户感觉仿佛身历其境,可以及时、没有限制地观察三维空间内的事物。用户进行位置移动时,电脑可以立即进行复杂的运算,将精确的三维世界视频传回产生临场感。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

图灵机技术

图灵机,又称确定型图灵机,是英国数学家艾伦·图灵于1936年提出的一种抽象计算模型,其更抽象的意义为一种数学逻辑机,可以看作等价于任何有限逻辑数学过程的终极强大逻辑机器。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

博弈论技术

博弈论,又译为对策论,或者赛局理论,应用数学的一个分支,1944年冯·诺伊曼与奥斯卡·摩根斯特恩合著《博弈论与经济行为》,标志着现代系统博弈理论的的初步形成,因此他被称为“博弈论之父”。博弈论被认为是20世纪经济学最伟大的成果之一

多智能体系统技术

一个多智能体系统,是由一个在一个环境中交互的多个智能体组成的计算系统。多智能体系统也能被用在解决分离的智能体以及单层系统难以解决的问题。智能可以由一些方法,函数,过程,搜索算法或加强学习来实现。尽管存在相当大的重叠,然而一个多智能体系统并不总是一个基于智能体的模型表现一致。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

微积分技术

微积分(Calculus)是高等数学中研究函数的微分(Differentiation)、积分(Integration)以及有关概念和应用的数学分支。它是数学的一个基础学科。内容主要包括极限、微分学、积分学及其应用。微分学包括求导数的运算,是一套关于变化率的理论。它使得函数、速度、加速度和曲线的斜率等均可用一套通用的符号进行讨论。积分学,包括求积分的运算,为定义和计算面积、体积等提供一套通用的方法 。

贝叶斯网络技术

贝叶斯网络(Bayesian network),又称信念网络或是有向无环图模型,是一种概率图型模型。例如,贝叶斯网络可以代表疾病和症状之间的概率关系。 鉴于症状,网络可用于计算各种疾病存在的概率。

语义学技术

语义学,也作“语意学”,是一个涉及到语言学、逻辑学、计算机科学、自然语言处理、认知科学、心理学等诸多领域的一个术语。虽然各个学科之间对语义学的研究有一定的共同性,但是具体的研究方法和内容大相径庭。语义学的研究对象是自然语言的意义,这里的自然语言可以是词汇,句子,篇章等等不同级别的语言单位。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

语言学技术

每种人类语言都是知识和能力的复合体,语言的使用者能够相互交流,表达想法,假设,情感,欲望以及所有其他需要表达的事物。语言学是对这些知识体系各方面的研究:如何构建这样的知识体系,如何获取,如何在消息的制作和理解中使用它,它是如何随时间变化的?语言学家因此关注语言本质的一些特殊问题。比如: 所有人类语言都有哪些共同属性?语言如何不同,系统的差异程度如何,我们能否在差异中找到模式?孩子如何在短时间内获得如此完整的语言知识?语言随时间变化的方式有哪些,语言变化的局限性是什么?当我们产生和理解语言时,认知过程的本质是什么?语言学研究的就是这些最本质的问题。

暂无评论
暂无评论~